• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • Python
  • Pandas
  • NumPy
  • Matlab
  • Julia
  • JavaScript
  • Excel

Importar JSON en SQL Server

noviembre 11, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

El formato de archivo JSON es cada vez más popular para intercambiar datos. Este formato no son archivos de texto, por lo que se pueden utilizar en prácticamente cualquier sistema, además de ser fáciles de interpretar tanto por los ordenadores como por las personas. Por lo que es probable que en algún momento necesitemos importar este formato de archivo en una base de datos. A partir de SQL Server 2017 esta tarea ya es posible sin ninguna herramienta adicional. Lo que hace realmente sencillo importar JSON en SQL Server.

A continuación, se importará un archivo JSON obtenido de Mockaroo con datos generados aleatoriamente.

Leer un archivo JSON en SQL Server

La función de SQL Server con la que se pueden importar directamente archivos de texto es OPENROWSET. Al ejecutar esta con la opción BULK se obtiene un campo de cadena de texto con el nombre BulkColumn. Lo que se puede asignar a una variable como se muestra a continuación.

DECLARE @JSON VARCHAR(MAX)

SELECT @JSON = BulkColumn FROM
	OPENROWSET(BULK 'C:\Users\daniel\Downloads\MOCK_DATA.json', SINGLE_BLOB) JSON;

Como se ve en el ejemplo es necesario indicar a la función OPENROWSET el tipo de data que se desea importar. Ahora en @JSON tenemos el contenido del archivo JSON. Para validar que este sea un archivo JSON válido se puede usar la función ISJSON que devolverá 1 en caso afirmativo. Así se puede hacer una consulta para ver el contenido si este es válido.

Publicidad


IF (ISJSON(@JSON) = 1)
	SELECT @JSON
[{"id":1,"first_name":"Margy","last_name":"Bonni…

En donde se observa el contendió del archivo.

Procesar el archivo JSON

Ahora que se dispone del contenido del archivo en una variable es posible procesar este con la función OPENJSON. Lo que dará una tabla con los valores

SELECT * FROM OPENJSON (@JSON) 
keyvaluetype
1{“id”:1,”first_name”:”Margy”,”last_name”:”Bonnier…5
2{“id”:2,”first_name”:”Jess”,”last_name”:”Durkin”,”…5
3{“id”:3,”first_name”:”Roch”,”last_name”:”Moubray…5
4{“id”:4,”first_name”:”Yardley”,”last_name”:”Beard…5

En donde se tiene la clave, el valor y el tipo de dato. Los posibles valores para el tipo de datos son:

TipoDato
0null
1string
2int
3true/false
4array
5object

Cargar los datos en una tabla con WITH

En este punto ya tenemos los datos, pero lo que necesitamos es asignar cada uno de los pares clave-valor a una tabla. Para lo que se puede usar la cláusula WITH. Al combinar OPENROWSET con WITH permite especificar el tipo de dato y los nombres de las columnas. Así para los datos se puede procesar de la siguiente manera.

Publicidad


SELECT * FROM OPENJSON(@JSON)
	WITH (
		id int,
		first_name varchar(20),
		last_name varchar(20),
		email varchar(50),
		gender varchar(6),
		ip_address varchar(14))
idfirst_namelast_nameemailgenderip_address
1MargyBonnier[email protected]Female217.105.56.125
2JessDurkin[email protected]Male11.173.255.239
3RochMoubray[email protected]Female10.139.254.212
4YardleyBeardwood[email protected]Male102.236.92.152

Los cuales ya se puede importar en una tabla de la base de datos.

Acceder a datos internos del JSON

Por defecto solamente se analiza el nivel raíz del JSON, lo que puede ser útil en archivos como el que hemos importado. Sin embargo, es habitual encontrar archivos JSON en los que los datos se encuentran anidados. Por ejemplo, un archivo que devuelva información adicional además de los datos.

{
  "ok": true,
  "date": "2019-11-11",
  "data": [
  	// Los datos se encuentran aquí
  ]
}

En estas ocasiones la función OPENROWSET admite un segundo parámetro opcional con el que se puede indicar dónde se encuentran los datos que se desean importar. Al utilizar esta opción se obtendrán solamente los datos en esa ruta. Para el JSON del ejemplo anterior se tendría que indicar que los datos se encuentran en data.

SELECT * FROM OPENJSON(@JSON, '$.data')
	WITH (
		id int,
		first_name varchar(20),
		last_name varchar(20),
		email varchar(50),
		gender varchar(6),
		ip_address varchar(14))

Conclusiones

Ya hemos visto en otras ocasiones como trabajar con archivos JSON desde Python o Matlab. En esta entrada se ha visto cómo importar archivos JSON en SQL Server. Dada la popularidad de este formato, posiblemente esto sea algo que tengamos que hacer de ahora en adelante de forma habitual.

Publicidad


Imágenes: Pixabay (John_Ioannidis)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 3 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Seleccionar la opción para compactar la base de datos en Microsoft SQL Server Manager Studio
    Reducir el tamaño en SQL Server de una base de datos
  • programming
    Comandos básicos de Git
  • Ejecutar SQL Server en una máquina virtual VirtualBox
    Ejecutar SQL Server en una máquina virtual VirtualBox
  • juggler
    Truco SQL: La distancia de Levenshtein en SQL Server
  • mushrooms
    Comparación de los registros de listas desordenadas…
  • frog
    Intercambiar archivos en VirtualBox

Publicado en: Herramientas Etiquetado como: Bases de datos, SQL, SQL Server

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Publicidad





Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Facebook
  • GitHub
  • Instagram
  • Pinterest
  • RSS
  • Twitter
  • Tumblr
  • YouTube

Publicidad

Entradas recientes

Tutorial básico de Traceroute

diciembre 8, 2023 Por Daniel Rodríguez

Usar el depurador de Visual Studio Code con Jest

diciembre 6, 2023 Por Daniel Rodríguez

Análisis de datos con GPT en Pandas

diciembre 4, 2023 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | en Python
  • Seleccionar filas y columnas en Pandas con iloc y loc publicado el junio 21, 2019 | en Python
  • Duplicado Eliminar registros duplicados en pandas publicado el junio 20, 2018 | en Python
  • Truco: Reproducir sonidos en Python publicado el febrero 28, 2022 | en Python
  • pandas Pandas: Contar los valores nulos en DataFrame publicado el agosto 12, 2021 | en Python

Publicidad

Lo mejor valorado

4.9 (22)

Seleccionar filas y columnas en Pandas con iloc y loc

4.7 (12)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.6 (15)

Archivos JSON con Python: lectura y escritura

4.5 (10)

Diferencias entre var y let en JavaScript

4.4 (13)

Ordenación de diccionarios en Python mediante clave o valor

Publicidad

Comentarios recientes

  • Anto en Rendimiento al iterar en JavaScript sobre un vector
  • Daniel Rodríguez en Creación de un certificado Let’s Encrypt en Windows con Win-Acme
  • Guillermo en Creación de un certificado Let’s Encrypt en Windows con Win-Acme
  • Daniel Rodríguez en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • Miguel en ¿Cómo eliminar columnas y filas en un dataframe pandas?

Publicidad

Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2023 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto